技术：配备人工智能的机器人正在地球上最不确定的环境中发展

介绍:波浪、风、水流、穿过船只的漩涡和围绕结构旋转的漩涡使水成为经验丰富的船长最复杂的环境之一，更不用说机器人了。现在，史蒂文斯理工学院的研究人员正在开发算法，教导机器人适应不断变化的海洋动力学，以解决我国最重要的问题之一:保护和保护我们老化的水基础设施，如码头、管道、桥梁和水坝。

这项工作由史蒂文斯机械工程学院的布伦丹·恩格·洛特教授领导，正在研究水下结构检查频率的持续问题。水下结构远比潜水员在理想频率下检查的要多。有时他们不得不潜入水下极端危险的深度，需要几周时间才能恢复。恩洛特正在训练机器人来承担这些任务，但这并不容易。

“机器人周围有很多困难的干扰，通常情况非常糟糕，所以车辆很难在水下给出同样的情况感知，因此一个人只能在地上或空中行走，”恩洛特说。恩洛特正在迎接挑战。

他的团队采用了一种叫做强化学习的人工智能，它使用的算法不是基于精确的数学模型。相反，面向对象的算法教机器人如何通过执行动作和观察结果来执行复杂的物体。当机器人收集数据时，它将更新其“策略”，以找到水下操作和导航的最佳方式。

他们收集的数据是声纳，这是海底航行最可靠的工具。像海豚使用回声定位一样，当被许多力量击倒时，Eng Lott的机器人会发出高频唧唧声，并测量声音在周围结构反弹后需要多长时间才能返回，收集数据并获得态势感知。

英格·洛特最近派出了一个机器人执行自己的任务，绘制曼哈顿码头地图。“我们没有以前的码头模型，”恩格洛特说。“我们可以把我们的机器人送下来，并在整个任务中成功地发现自己。“在ENG LOT实验室创建的算法的指导下，机器人独立移动并收集信息以生成显示桥墩位置的三维地图。

这些最初的步骤是令人鼓舞的，但是ENG LOT正试图扩展他的机器人的能力。eng Lott期望机器人对从船体到海上石油平台的一切进行例行检查。此外，机器人可以绘制地球广阔的水下地形图。

然而，实现这些目标意味着解决声纳的局限性。Eng Lott说:“想象一下，穿过一栋与医用超声导航走廊一样灰度和颗粒视觉分辨率的建筑。”。

一旦结构被映射，自主机器人就可以计划第二次通过，并使用摄像机以更高的分辨率检查关键区域。eng Lott还设想了类似鳗鱼的机器人，可以穿过裂缝和狭窄的空间，甚至可以帮助救援。“要真正使用这些设计，首先我们需要能够自信地导航，”他说。eng Lott继续调整他的算法来提供这种信心。

结论: ENG LOT还推动水下技术超越了目前由操纵杆控制的机器人绘制的拼凑地图，就像遥远行星上的漫游车一样。“机器人自主性的一些最严峻挑战是水下，”他说。还有很长的路要走，但是为了克服挑战，我们首先将ENG LOT引入机器人领域。